Pelita Informatika Budi Darma, Volume : VIII, Nomor: 3, Desember 2014 ISSN : 2301-

ISSN 2301-9425

SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN MAHASISWA

TERBAIK UNTUK MEMPEROLEH MAHASISWA TERBAIK
DENGAN METODE SIMPLE ADDITIVE WEIGHTING
(Studi Kasus : Akademi Kebidanan Senior Medan)

Sarah Oktavia Turnip (1111470)

Mahasiswa Program Studi Teknik Informatika STMIK BUDIDARMA Medan

Jl. Sisingamangaraja No. 338 Sp. Limun Medan
http ://www. stmik-budidarma.ac.id // . arasarah89@gmail.com

ABSTRAK
Sesuai dengan peraturan yang sudah ditentukan oleh pihak pendonor beasiswa untuk memperoleh
beasiswa, maka diperlukan kriteria-kriteria untuk menentukan siapa yang akan terpilih untuk menerima
beasiswa. Pembagian beasiswa dilakukan oleh beberapa lembaga untuk membantu seseorang yang kurang
mampu ataupun berprestasi selama menempuh studinya. Untuk membantu penentuan dalam menetapkan
seseorang yang layak menerima beasiswa maka dibutuhkan sebuah sistem pendukung keputusan.
Metode yang dapat digunakan untuk Sistem Pendukung Keputusan adalah dengan menggunakan Simple
Additive Weighting (SAW). Pada penelitian ini akan diangkat suatu kasus yaitu mencari alternative terbaik
berdasarkan kriteria-kriteria yang telah ditentukan dengan mengggunakan metode Simple Additive Weighting
(SAW). Metode ini dipilih karena mampu menyeleksi alternatif terbaik dari sejumlah alternatif, dalam hal ini
alternatif yang dimaksudkan yaitu yang berhak menerima beasiswa berdasarkan kriteria-kriteria yang ditentukan.
Penelitian dilakukan dengan mencari nilai bobot untuk setiap atribut, kemudian dilakukan proses pengurutan
kandidat yang akan menentukan alternatif yang optimal, yaitu mahasiswa terbaik.
Dengan adanya sistem pendukung keputusan dengan metode Simple Additive Weighting (SAW) dan
dengan perancangan berorientasi objek menggunakan Unified Modeling Language (UML) ini akan lebih
mempermudah Akademi Kebidanan Senior Medan untuk menentukan mahasiswa berprestasi yang layak
mendapatkan beasiswa tersebut.

Kata kunci : Sistem Pendukung Keputusan, Penentuan Beasiswa, Simple Additive Weighting (SAW).

1. PENDAHULUAN digunakan untuk membantu pengambilan keputusan

1.1 Latar Belakang Masalah
Perkembangan ilmu pengetahuan dan
teknologi terutama dalam bidang teknologi saat ini
berkembang sangat pesat. Disamping itu masalah
yang dihadapi juga semakin sulit. Sementara
kemampuan manusia dalam berfikir dan mengingat
terbatas, sehingga komputer sebagai alat bantu untuk
menyelesaikan sangat diharapkan, yaitu berupa
informasi yang berhubungan dengan permasalahan
yang diolah.
Dalam suatu bidang pendidikan, setiap instansi
pendidikan wajib memberikan beasiswa bagi
mahasiswa yang berprestasi dalam bidang akademik.
Beasiswa pada umumnya merupakan pemberian
biaya untuk pendidikan bagi mahasiswa yang masih
aktif kuliah yang mengikuti perkuliahan di suatu
perguruan tinggi. Dalam Kamus Besar Bahasa
Indonesia, beasiswa dimaknai sebagai tunjungan
yang diberikan kepada pelajar atau mahasiswa
sebagai bantuan biaya belajar. Beasiswa juga bisa
dimaknai lain, yakni sebagai dana siswa atau dharma
siswa.
Sistem Pendukung Keputusan merupakan sistem
informasi interaktif yang menyediakan informasi,
pemodelan dan pemanipulasian data. Sistem itu
Sistem Pendukung Keputusan Pemilihan Mahasiswa Terbaik Untuk Memperoleh Mahasiswa Terbaik
Dengan Metode Simple Additive Weighting (Studi Kasus : Akademi Kebidanan Senior Medan).
Oleh : Sarah Oktavia Turnip
dalam situasi yang semiterstruktur dan situasi yang
tidak terstruktur, dimana tak seorang pun tahu secara
pasti bagaimana keputusan seharusnya dibuat (Alter,
2000). Sistem Pendukung Keputusan biasanya
dibangun untuk mendukung solusi atas suatu
masalah atau untuk mengevaluasi suatu peluang.
Dalam pemilihan mahasiswa terbaik untuk
memperoleh beasiswa, ada beberapa kriteria yang
harus ditetapkan oleh Akademi Kebidanan Senior
Medan, karena kriteria itu sangat menentukan siapa
saja mahasiswa yang berhak memperoleh beasiswa.
Hal ini dimaksudkan agar setiap program beasiswa
yang dikeluarkan oleh Akademi Kebidanan Senior
dapat diterima oleh mahasiwa yang berhak
mendapatkan beasiswa tersebut. Dalam sistem
pendukung keputusan, ada beberapa metode
pengambilan keputusan antara lain : Simple Additive
Weighting Method (SAW), Weighting Product (WP),
Analysis Hierarchy Process (AHP), Thecnique for
Order Preference by Similarty to Ideal Solution
(Topsis). Menurut Sri Eniyanti (2011), Simple
Additive Weighting Method (SAW) sesuai untuk
proses pengambilan keputusan karena dapat
menentukan nilai bobot untuk setiap atribut,
kemudian dilanjutkan dengan proses perangkingan
116
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 3, Desember 2014
yang akan menyeleksi alternatif terbaik dari sejumlah
alternatif terbaik. Selain itu, kelebihan dari model
Simple Additive Weighting Method (SAW)
dibandingkan dengan model pengambilan keputusan
yang lain terletak pada kemampuannya untuk
melakukan penilaian secara lebih tepat karena
didasarkan pada nilai kriteria dan bobot prefensi
yang sudah ditentukan. Pada sistem pendukung
keputusan, penerapan sebuah metode yang dapat
menjadi acuan penyelesaian permasalahan harus
dilakukan.
1.2 Perumusan Masalah
Berdasarkan latar belakang masalah diatas,
maka dapat penulis rumuskan suatu masalah yang
akan menjadi pokok pembahasan sebagai berikut :
1. Bagaimana pemilihan mahasiswa terbaik untuk
memperoleh beasiswa yang ditetapkan oleh
Akademi Kebidanan Senior Medan?
2. Bagaimana menerapkan metode Simple
Additing Weighting (SAW) untuk menentukan
mahasiswa terbaik untuk memperoleh
beasiswa?
3. Bagaimana merancang sistem pendukung
keputusan memilih mahasiswa terbaik untuk
memperoleh beasiswa dengan Visual Basic.Net
2008?
1.3 Batasan Masalah
Batasan masalah yang penulis bahas dan teliti
dalam penulisan skripsi ini yaitu :
1. Sistem pendukung keputusan ini hanya
memberikan output berupa data yang
mendukung kesimpulan dalam mementukan
pemilihan mahasiswa terbaik untuk
mendapatkan beasiswa.
2. Pemberian beasiswa ini merupakan pemberian
beasiswa yang diselenggarakan oleh Akademi
Kebidanan Senior Medan.
3. Sistem ini hanya menangani pemberian
beasiswa kepada mahasiswa terbaik dengan
kriteria-kriteria penilaian yang telah ditetapkan
oleh Akademi Kebidanan Senior Medan.
4. Sistem pendukung keputusan ini dirancang
menggunakan aplikasi Visual Studio 2008.
1.4 Tujuan dan Manfaat Penelitian
Tujuan dari penelitian ini adalah:
1. Melakukan pemilihan mahasiswa terbaik untuk
memperoleh beasiswa.
2. Menerapkan metode Simple Additing Weighting
(SAW) untuk menentukan mahasiswa terbaik
untuk memperoleh beasiswa.
3. Merancang sistem pendukung keputusan memilih
mahasiswa terbaik untuk memperoleh beasiswa
dengan Visual Basic.Net 2008.
Adapun manfaat dari penelitian ini adalah :
Sistem Pendukung Keputusan Pemilihan Mahasiswa Terbaik Untuk Memperoleh Mahasiswa Terbaik
Dengan Metode Simple Additive Weighting (Studi Kasus : Akademi Kebidanan Senior Medan).
Oleh : Sarah Oktavia Turnip
ISSN : 2301-
ISSN 2301-9425
1. Memudahkan pihak kampus untuk menentukan
mahasiswa terbaik dengan lebih objektif.
2. Mengetahui kriteria yang dibutuhkan dalam
pemilihan mahasiswa terbaik untuk
memperoleh beasiswa.
2 . LANDASAN TEORI
2.1 Pengertian Sistem Pendukung Keputusan
Sistem pendukung keputusan dapat
didefenisikan sesuai dengan kebutuhan sistem serta
permasalahan yang akan diputuskan. Berikut
beberapa defenisi sistem pendukung keputusan
menurut beberapa literature :
1. Defenisi sistem pendukung keputusan secara
sederhana adalah sebuah sistem yang digunakan
sebagai alat bantu menyelesaikan masalah
untuk membantu pengambilan keputusan
(manajer) dalam menentukan keputusan tetapi
tidak untuk menggantikan kapasitas manajer
namun hanya memberikan pertimbangan (Dalu
Nuzul Kirom, dkk, Sistem Informasi
Manajemen Beasiswa ITS Berbasis Sistem
Pendukung Keputusan Menggunakan AHP, Vol
I, No. 1, 2012).
2. Decision Support System (DSS) menurut
Sutabri T (2005:198) yaitu rangkuman sistem
komputer yang digunakan untuk membantu
manajer membuat keputusan.
3. Decision Support System (DSS) menurut
Kusrini (2007:15) merupakan sistem informasi
interaktif yang menyediakan informasi,
pemodelan, dan pemanipulasian data. Sistem itu
digunakan untuk membantu pengambilan
keputusan dalam situasi yang semiterstruktur
dan situasi yang tidak terstruktur, dimana tak
seorang pun tahu secara pasti bagaimana
keputusan seharusnya dibuat. Dapat juga
dikatakan sebagai sistem komputer yang
mengolah data menjadi informasi untuk
mengambil keputusan dari masalah semi-
terstruktur yang spesifik
Berdasarkan defenisi diatas dapat disimpulkan
bahwa sistem pendukung keputusan adalah suatu
sistem yang berbasis komputer yang ditujukan untuk
mendukung manajemen pengambil keputusan.
2.2 Metode Simple Additive Weighting (SAW)
Metode simple additive weighting menurut
Kusumadewi (2006:74) sering juga dikenal dengan
istilah metode penjumlahan terbobot. Konsep dasar
SAW adalah mencari penjumlahan terbobot dari
kinerja setiap alternatif pada semua. Metode SAW
membutuhkan proses normalisasi matriks keputusan
(X) ke suatu skala yang dapat dibandingkan dengan
semua rating alternatif yang ada.
117
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 3, Desember 2014
Keterangan:
rij = nilai rating kinerja ternormalisasi
xij = nilai atribut yang dimiliki dari setiap
criteria
Max xij = nilai terbesar dari setiap criteria
Max xij = nilai terkecil dari setiap criteria
benefit = jika nilai terbesar adalah terbaik
cost = jika nilai terkecil adalah terbaik
Dimana rij adalah rating kinerja ternormalisasi dari
alternatif Ai pada atribut Cj : i = 1, 2, …, m dan j = 1,
2, …, n. Nilai preferensi untuk setiap alternatif (Vi)
diberikan sebagai berikut:
……………………(1)
Keterangan :
Vi = rangking untuk setiap alternatif
wj = nilai bobot dari setiap kriteria
rij = nilai rating kinerja ternormalisasi
Nilai Vi yang lebih besar mengindikasikan bahwa
alternatif Ai lebih terpilih.
Menurut Kusumadewi (2006:74) Langkah–
langkah penyelesaian dalam menggunakan metode
SAW, adalah:
1. Menentukan kriterian-kriteria yang akan
dijadikan acuan dalam pengambilan keputusan,
yaitu Ci.
2. Menentukan rating kecocokan setiap alternatif
pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria
(Ci), kemudian melakukan normalisasi matriks
berdasarkan persamaan yang disesuaikan dengan
jenis atribut (atribut keuntungan maupun atribut
biaya) sehingga diperoleh matriks ternormalisasi
R.
4. Hasil akhir diperoleh dari setiap proses
perankingan yaitu penjumlahan dari perkalian
matriks ternormalisasi R dengan vector bobot
sehingga diperoleh nilai terbesar yang dipilih
sebagai alternatif terbaik (Ai) sebagai solusi.
3 . Analisa Masalah
Tabel 2 Kriteria
Kriteria Bobot
Sangat Tinggi
(C1) Prestasi Akademik (IP)
(ST)
Sistem Pendukung Keputusan Pemilihan Mahasiswa Terbaik Untuk Memperoleh Mahasiswa Terbaik
Dengan Metode Simple Additive Weighting (Studi Kasus : Akademi Kebidanan Senior Medan).
Oleh : Sarah Oktavia Turnip
ISSN : 2301-
ISSN 2301-9425
Beasiswa merupakan sebagai bantuan yang
diberikan kepada siswa atau mahasiswa yang masih
menjalankan pendidikannya yang diberikan
pemerintah ataupun instansi terkait dalam berupa
bentuk tunjangan uang diberikan kepada siswa atau
mahasiswa untuk dapat membantu dan meringankan
siswa atau mahasiswa tersebut dalam hal biaya
pendidikan.
Dari tahap analisis dapat diketahui dengan
jelas masalah-masalah apa saja yang sering muncul,
bagaimana user menggunakan sistem yang sedang
berjalan sampai kepada solusi yang diajukan untuk
memecahkan masalah tersebut. Berdasarkan hasil
penelitian yang dilakukan, didapatkan bahwa :
1. Proses pengecekan persyaratan pemberian
beasiswa belum secara otomatis dalam
mengambil keputusan mahasiswa yang akan
menerima beasiswa yang telah memenuhi
syarat untuk penyeleksian selanjutnya sehingga
mengakibatkan ketidak-efektifan pengunaan
waktu.
2. Proses menganalisis beberapa perbandingan
antar mahasiswa dalam pemilihan mahasiswa
yang akan menerima beasiswa.
3. Tidak adanya database dalam sistem manual
sehingga penerimaan beasiswa memakan waktu
dan tidak efektif.
Kriteria yang ditetapkan dalam menentukan
pemilihan mahasiswa berprestasi dengan metode
simple additive weighting ini adalah prestasi
akademik, semester yang sedang berjalan,
penghasilan orang tua dan status beasiswa. Kriteria-
kriteria ini yang akan dibobotkan untuk melakukan
perhitungan sehingga akan didapat alternatif terbaik.
Dalam menentukan pemilihan mahasiswa terbaik,
Akademi Kebidanan Senior Medan memberikan
bobot nilai untuk setiap kriteria berdasarkan tingkat
kepentingannya, yaitu:
Tabel 1 Bobot Nilai
Bobot Nilai
Sangat Rendah (SR) 0,1
Rendah (R) 0,2
Cukup (C) 0,3
Tinggi (T) 0,4
Sangat Tinggi (ST) 0,5
Keterangan
Nilai
Benefit Cost
40% -
118
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 3, Desember 2014 ISSN : 2301-
ISSN 2301-9425

(C2) Semester yang sedang

Tinggi (T) 25% -
berjalan
(C3) Status beasiswa Cukup 20% -
(C4) Penghasilan orang tua Rendah 15% -
(Sumber : Akademi Kebidanan Senior Medan)

Untuk menyelesaikan masalah dengan metode Adapun data dari alternatif pemberian
SAW, dibutuhkan langkah-langkah berikut ini : beasiswa yang diajukan dapat dilihat dari tabel 3
dibawah ini:

Tabel 3 Data Alternatif Mahasiswa

Kode
No NPM Nama Mahasiswa Semester
Alternatif
1 130001 Christina Simatupang II A
2 120001 Yossie Manullang IV B
3 130002 Sofie Nasution II C
4 120002 Sri Rahayu IV D
5 120003 Nur Cahaya IV E
6 130003 Hanna Siahaan II F
Berikut ini adalah bobot nilai dari setiap kriteria yang ditentukan:
a. Kriteria Prestasi Akademik (IP)

Tabel 4. Kriteria Prestasi Akademik (C1)

No Prestasi Akademik (C1) Bobot Nilai
Rendah (R)
1 IPK 2,75 - 2,99 0,2
Cukup (C)
2 IPK 3,00 - 3,30 0,3
Tinggi (T)
3 IPK 3,31 - 3,50 0,4
Sangat Tinggi (ST)
4 IPK 3,51 - 4,00 0,5

b. Semester yang sedang berjalan Belum pernah Sangat

Tabel 5 Kriteria Semester yang sedang 2 menerima Tinggi (ST) 0,5
berjalan (C2)
Semester yang d. Penghasilan Orang tua
No sedang berjalan Bobot Nilai Tabel 7 Kritria Penghasilan Orang Tua (C4)
(C2) Penghasilan Bobot
Rendah No Orang tua (C4) Nilai
1 Semester VI (R) 0,2 >= Rp.
1 Rendah (R) 0,2
Semester III, IV Tinggi (T) 5.000.000
2 dan V 0,4 >= Rp.
2 Cukup (C) 0,3
Sangat 4.000.000
Tinggi >= Rp.
3 Semester II (ST) 0,5 3 Tinggi (T) 0,4
3.000.000
c. Status beasiswa >= Rp. Sangat Tinggi
4 0,5
2.000.000 (ST)
Tabel 6 Kriteria Status Beasiswa (C3)
Status Bobot Adapun data hasil seleksi alternatif yang
No Beasiswa (C3) Nilai diajukan dapat dilihat pada tabel 8 berikut ini :
Sudah pernah Cukup (C)
1 menerima 0,3

Tabel 8 Data Alternatif Mahasiswa yang diajukan

No Alternatif Kriteria

Sistem Pendukung Keputusan Pemilihan Mahasiswa Terbaik Untuk Memperoleh Mahasiswa Terbaik 119
Dengan Metode Simple Additive Weighting (Studi Kasus : Akademi Kebidanan Senior Medan).
Oleh : Sarah Oktavia Turnip
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 3, Desember 2014 ISSN : 2301-
ISSN 2301-9425

Semester
Prestasi Penghasilan Orang
Yang sedang Status Beasiswa
Akademik tua
berjalan
Christina Belum pernah
1 3,68 II Rp. 2.500.000
Simatupang (A) menerima

Yossie Manullang Sudah pernah

2 3,78 IV Rp. 5.500.000
(B) menerima

Belum pernah
3 Sofie Nasution (C) 3,45 II Rp. 4.000.000
menerima
Belum pernah
4 Sri Rahayu (D) 3,59 IV Rp. 4.500.000
menerima
Sudah pernah
5 Nur Cahaya (E) 3,81 IV Rp. 3.500.000
menerima
Belum pernah
6 Hanna Siahaan (F) 3,75 II Rp. 3.500.000
menerima

1. Menentukan rating kecocokan setiap alternatif  0, 5 0 ,5 0 ,5 0 ,5 

pada setiap kriteria.  0, 5 0 ,4 0 ,3 0 , 2 
Adapun data rating kecocokan dari setiap 
alternatif dapat dilihat pada tabel 4.9 berikut ini :  0 ,4 0 ,5 0 ,5 0 ,3 
X =  
 0 ,5 0 ,4 0 ,5 0 ,3 
Tabel 9 Rating Kecocokan Dari Setiap  0 ,5 0 ,4 0 ,3 0 ,4 
Alternatif Pada Setiap Kriteria  
 0 , 5 0 ,5 0 ,5 0 , 4 

Menormalisasikan matriks X menjadi matriks R

Kode Kriteria berdasarkan persamaan 1 :
No Alterna C1 C2 C3 C4
tif 40% 25% 20% 15% Xij Jika j adalah attribut
keuntungan (Benefit)
1 A 0,5 0,5 0,5 0,5
Max Xij
2 B 0,5 0,4 0,3 0,2 Rij=
3 C 0,4 0,5 0,5 0,3
Min Xij Jika j adalah attribut biaya (Cost) ............................
4 D 0,5 0,4 0,5 0,3 Xij
5 E 0,5 0,4 0,3 0,4
Keterangan :
6 F 0,5 0,5 0,5 0,4
Rij = Nilai rating kinerja ternormalisasi
Xij = Nilai atribut yang dimiliki dari
2. Membuat matriks keputusan berdasarkan setiap kriteria
kriteria(Ci), kemudian melakukan normalisasi Max Xij = Nilai terbesar dari setiap kriteria i
matriks berdasarkan persamaan yang disesuaikan Min Xij = Nilai terkecil dari setiap kriteria i
dengan jenis atribut (atribut keuntungan ataupun Benefit = Jika nilai terbesar adalah terbaik
atribut biaya) sehingga diperoleh matriks Cost = Jika nilai terkecil adalah terbaik
ternormalisasi R.
Normalisasikan matriks X menggunakan persamaan 1
Matriks keputusan dibentuk dari tabel kecocokan :
sebagai berikut:
Alternatif : A (Christina Simatupang)
r11 =
0,5 = 0 ,5 = 1
Max{0,5;0,5;0,5; ;0,5} 0 ,5

r12 =
0,5 = 0,5 = 1
Max{0,5;0,5;0,5; ;0,5} 0,5

Sistem Pendukung Keputusan Pemilihan Mahasiswa Terbaik Untuk Memperoleh Mahasiswa Terbaik 120
Dengan Metode Simple Additive Weighting (Studi Kasus : Akademi Kebidanan Senior Medan).
Oleh : Sarah Oktavia Turnip
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 3, Desember 2014 ISSN : 2301-
ISSN 2301-9425

r13 =
0,5 = 0,5 = 1 r62 = 0,5 = 0,5 = 1
Max{0,5;0,5;0,5; ;0,5} 0,5 Max{0,5;0,5;0,5;0,4} 0,5

r14 = 0,5 = 0,5 = 1 r63 = 0,5 = 0,5 = 1

Max{0,5;0,5;0,5;;0,5} 0,5 Max{0,5;0,5;0,5;0,4} 0,5
r64 = 0,4 = 0,4 = 0,8
Alternatif B (Yossie Manullang) Max{0,5;0,5;0,5;0,4} 0,5
R21 = 0,5 = 0,5 = 1
Max{0,5;0,4;0,3;0,2} 0,5 Dari hasil perhitungan di atas maka didapat matriks
ternomalisasi r sebagai berikut:
r22 = 0,4 = 0,4 = 0,8  1 1 1 1 
Max{0,5;0,4;0,3;0,2} 0,5  1 0 ,8 0 ,6 0 , 4 
0,3 
r23 = = 0,3 = 0,6  0 , 8 1 1 0 , 6 
Max{0,5;0,4;0,3;0,2} 0,5 R =  
 1 0 ,8 1 0 ,6 
r24 = 0,2 = 0,2 = 0,4  1 0 ,8 0 ,6 0 ,8 
Max{0,5;0,4;0,3;0,2} 0,5  
 1 1 1 0 , 8 

Alternatif C (Sofie Nasution) Proses perangkingan diperoleh berdasarkan persamaan

r31 = 0,4 = 0,4 = 0,8 2 sebagai berikut:
Max{0,4;0,5;0,5;0,3} 0,5 n

r32 = 0,5 = 0,5 = 1

Vi = ∑
j =1
wi rij
Max{0,4;0,5;0,5;0,3} 0,5 Keterangan :
r33 = 0,5 = 0,5 = 1 Vi = rangking untuk setiap alternatif
Max{0,4;0,5;0,5;0,3} 0,5 Wi = nilai bobot dari setiap kriteria
0,3 0,3 = 0,6 Rij = nilai rating kinerja ternormalisasi
r34 = =
Max{0,4;0,5;0,5;0,3} 0,5
Mencari alternatif terbaik menggunakan persamaan 2 :
Vektor bobot W = (40%, 25%, 20%, 15%)
Alternatif D (Sri Rahayu)
r41 = 0,5 = 0,5 = 1 V1 = (40%)(1) + (25%)(1) + (20%)(1) + (15%)(1)
Max{0,5;0,4;0,5;0,3} 0,5 = 0,4 + 0,25 + 0,20 + 0,15
0,4 0,4 = 0,8 =1
r42 = =
Max{0,5;0,4;0,5;0,3} 0,5
V2 = (40%)(1) + (25%)(0,8) + (20%)(0,6) +
r43 = 0,5 = 0,5 = 1 (15%)(0,4)
Max{0,5;0,4;0,5;0,3} 0,5 = 0,4 + 0,2 + 0,12 + 0,06
r44 = 0,3 = 0,3 = 0,6 = 0,78
Max{0,5;0,4;0,5;0,3} 0,5
V3 = (40%)(0,8) + (25%)(1) + (20%)(1) +
Alternatif E (Nur Cahaya) (15%)(0,6)
0,5
= 0,32 + 0,25 + 0,20 + 0,09
r51 = = 0,5 = 1 = 0,86
Max{0,5;0,4;0,3;0,4} 0,5

r52 =
0,4 = 0,4 = 0,8 V4 = (40%)(1) + (25%)(0,8) + (20%)(1) +
Max{0,5;0,4;0,3;0,4} 0,5 (15%)(0,6)
0,3 0,3 = 0,6 = 0,4 + 0,2 + 0,20 + 0,09
r53 = =
Max{0,5;0,4;0,3;0,4} 0,5
= 0,89
r54 = 0,4 = 0,4 = 0,8
V5 = (40%)(1) + (25%)(0,8) + (20%)(0,6) +
Max{0,5;0,4;0,3;0,4} 0,5 (15%)(0,8)
= 0,4 + 0,2+ 0,12 + 0,12
Alternatif F (Hanna Siahaan) = 0,84
r61 = 0 ,5 = 0,5 = 1
Max{0,5;0,5;0,5;0, 4} 0,5 V6 = (40%)(1) + (25%)(1) + (20%)(1) + (15%)(0,8)
= 0,4 + 0,25 + 0,20 + 0,12
= 0,97
Sistem Pendukung Keputusan Pemilihan Mahasiswa Terbaik Untuk Memperoleh Mahasiswa Terbaik 121
Dengan Metode Simple Additive Weighting (Studi Kasus : Akademi Kebidanan Senior Medan).
Oleh : Sarah Oktavia Turnip
Pelita Informatika Budi Darma, Volume : VIII, Nomor: 3, Desember 2014 ISSN : 2301-
ISSN 2301-9425

yang lain seperti dengan Analityc Hierarchy

Nilai terbesar ada pada V1 sehingga alternatif
A yaitu Christina Simatupang yang terpilih sebagai
alternatif terbaik. Dengan kata lain Christina
Simatupang merupakan mahasiswa yang terpilih
untuk mendapatkan beasiswa di Akademi Kebidanan 2. Jika pihak perusahaan menerapkan sistem usulan
Senior Medan. Untuk lebih jelas lihat pada tabel 10
Tabel 10 Rangking
Rangking Kode Alternatif Hasil Akhir
1 A 1 3. Perusahaan diharapkan dapat mengembangkan
2 E 0,97
3 D 0,89
4 C 0,86 Daftar Pustaka
5 F 0,84
6 B 0,78 1.
4. Kesimpulan dan Saran
4.1 Kesimpulan
Analisa metode digunakan untuk instansi 2.
pendidikan yang menggunakan sistem yang sudah
terkomputerisasi dalam pengolahan data, namun 3.
dalam pengolahan pemberian beasiswa ini belum
menggunakan komputerisasi, melainkan masih 4.
dilakukan secara sederhana,belum ada aplikasi khusus
untuk mengelola proses pemberian beasiswa. Dari
hasil penelitian penulis, maka dapat diambil beberapa 5.
kesimpulan adalah sebagai berikut :
1. Dalam proses pemilihan mahasiswa terbaik yang 6.
ditentukan oleh Akademi Kebidanan Senior
Medan adalah dengan kriteria prestasi akademik, 7.
semester yang sedang berjalan, status beasiswa,
dan penghasilan orang tua karena berdasarkan 8.
kriteria tersebut dapat dijadikan sebagai bahan
pemilihan mahasiswa terbaik untuk memperoleh
beasiswa. 9.
2. Dalam penerapan metode SAW di Akademi
Kebidanan Senior Medan terdapat empat kriteria
dan enam alternatif yang di proses yaitu, prestasi
akademik, semester yang sedang berjalan, status
beasiswa, dan penghasilan orang tua. Dari hasil
proses SAW didapatkan mahasiswa yang layak
untuk memperoleh beasiswa yang dikelola oleh
Akademi Kebidanan Senior Medan.
3. Perancangan sistem pendukung keputusan
pemilihan mahasiswa terbaik untuk memperoleh
beasiswa menggunakan Form Menu Utama,
Form Login, Form Menu Admin, Form Data
Mahasiswa, Form Data Kriteria, Form Proses
SAW dan Form Tentang.
Process (AHP), Technique for Order
Preference by Similarity to Ideal Solution
(TOPSIS), Weighting Product (WP)
dan lainnya.
ini maka sebaiknya perangkat lunak yang
digunakan dikembangkan lagi untuk
mempercepat proses pengolahan data yang
diinginkan.
sistem ini secara online atau mobile.
Dalu Nuzul Kirom, dkk, “Sistem Informasi
Manajemen Beasiswa ITS Berbasis Sistem
Pendukung Keputusan Menggunakan AHP”,
Vol I, No. 1,2002
Jogiyanto HM, 2003, “Sistem Teknologi
Informasi”, Andi, Yogyakarta.
Kusrini, 2007, ”Konsep dan Aplikasi Sistem
Pendukung Keputusan”, Andi, Yogyakarta.
Kusumadewi S, 2006,”Fuzzy Multi-Attribut
Decision Making (Fuzzy MADM)”, Graha Ilmu,
Yogyakarta.
Nugroho A, 2010,”RPL Berorientasi Objek
dengan Metode USDP”, Andi, Yogyakarta.
Priyanto R, 2009, “Langsung Bisa VB.Net
2008”, Andi, Yogyakarta.
Sutabri T, 2005, “Sistem Informasi
Manajemen”, Andi, Yogyakarta.
Tri Handayani, dkk,”Sistem Pendukung
Keputusan Beasiswa Diklat Dengan Fuzzy
MADM, ISSN : 2338-4018).
http://eprints.uny.ac.id/8590/3/BAB%202%20-
%2008413244048.pdf, tanggal akses 25 april
2014.

4.2. Saran
Berdasarkan hasil penelitian dan juga
kesimpulan yang telah diuraikan diatas maka ada
beberapa saran yang dapat diberikan, yaitu :
1. Bagi para peneliti maka sebaiknya melakukan
penelitian sistem pendukung keputusan dengan
menggunakan metode pengambilan keputusan
Sistem Pendukung Keputusan Pemilihan Mahasiswa Terbaik Untuk Memperoleh Mahasiswa Terbaik 122
Dengan Metode Simple Additive Weighting (Studi Kasus : Akademi Kebidanan Senior Medan).
Oleh : Sarah Oktavia Turnip